全文获取类型
收费全文 | 2196篇 |
免费 | 297篇 |
国内免费 | 208篇 |
专业分类
航空 | 1200篇 |
航天技术 | 277篇 |
综合类 | 242篇 |
航天 | 982篇 |
出版年
2024年 | 15篇 |
2023年 | 72篇 |
2022年 | 92篇 |
2021年 | 106篇 |
2020年 | 98篇 |
2019年 | 106篇 |
2018年 | 65篇 |
2017年 | 91篇 |
2016年 | 90篇 |
2015年 | 85篇 |
2014年 | 96篇 |
2013年 | 87篇 |
2012年 | 113篇 |
2011年 | 106篇 |
2010年 | 99篇 |
2009年 | 100篇 |
2008年 | 106篇 |
2007年 | 109篇 |
2006年 | 104篇 |
2005年 | 90篇 |
2004年 | 106篇 |
2003年 | 81篇 |
2002年 | 70篇 |
2001年 | 81篇 |
2000年 | 77篇 |
1999年 | 46篇 |
1998年 | 52篇 |
1997年 | 50篇 |
1996年 | 45篇 |
1995年 | 27篇 |
1994年 | 40篇 |
1993年 | 44篇 |
1992年 | 37篇 |
1991年 | 16篇 |
1990年 | 32篇 |
1989年 | 29篇 |
1988年 | 22篇 |
1987年 | 15篇 |
1982年 | 1篇 |
排序方式: 共有2701条查询结果,搜索用时 15 毫秒
991.
992.
并行级联空时格码调制(Turbo—STCM)将并行迭代译码结构(Turbo)应用于空时编码,可以极大地提高空时格码的编码增益。本基于一种改进的(Soft—output Viterbi a1gorithm,SOVA)译码算法,提出了针对Turbo—STCM的并行迭代译码方案。仿真结果表明,在保持分集增益的前提下,Turbo—STCM和原始的空时格码调制相比,编码增益有了极大的提高.同时采用该SOVA算法译码复杂度低,速度快,更利于实际系统的开发实现. 相似文献
993.
给出了一种用于部分并行干扰抵消多用户检测新的判决函数:WSGN判决函数。根据较好的多用户干扰估计能提高误码率性能这一原理,本文推导出这种新函数。它考虑了门限的作用,使得不当门限对其性能的负面影响小于其他判决函数。在瑞利衰落信道中分析了使用这种判决函数的部分并行干扰抵消检测方法的误码率性能。结果表明,这种新的检测方法误码率性能可以收敛到单用户检测;并且性能优于一般匹配滤波器检测方法和其他部分并行干扰抵消检测方法。此外其计算复杂度没有显著增加,可以用于实际的CDMA通信系统。 相似文献
994.
995.
本文以飞机亚音速对称运动(仅小攻角)流场数值计算为基础,采用涡格法理论开发飞机亚音速非对称运动(小攻角、小侧滑角、小角速度)流场特性数值计算。本文特点:从毕-萨公式出发推导的涡格法流场诱速公式比面涡法简便;采用多坐标系,详细推导了各坐标系转换公式;将复杂的干扰流场简化为一阶干扰和二阶干扰效应,并仔细推导了相应的流场诱速计算公式。已在IBM-4341计算机上建立了流场计算实用性程序,既可单独运算,也可联入我国外挂物投放/发射过程数值仿真系统(CSSP)串联运行,提供所需流场特性。以J-XX型号飞机和两个翼身组合作为算例,定性分析了非对称运动流场计算规律;将两个翼身组合体对称动动流场特性计算值与实验值进行了比较。飞机亚音速非对称运动流场特性计算比对称运动情况更为复杂,难度更大。该工作对进一步开发CSSP系统具有重要价值。 相似文献
996.
997.
为了获得施旋翼/机身的气动力干扰概念,利用BO-105旋翼模型和Z-9机身模型在气动中心8米×6米风洞进行了悬停及前飞实验。结果表明,旋翼与机身之间的气动力干扰,主要是旋翼下洗尾流对机身气动力的影响。悬停时,下洗尾流使机身产生负升力、俯仰力矩和偏航力矩。等拉力系数配平前飞时,由于旋翼下洗尾流的向后偏斜,对机身法向力的干扰百分比比悬停时小,对机身偏航力矩和俯仰力矩仍有影响,并产生了侧向力干扰。机身的存在,悬停时使旋翼最大气动效率提高约1%;前一以时使旋翼总距操纵量平均减小约0.4°,前飞需用功率平均减小约1.3%。 相似文献
998.
翼涡与体涡的相互干扰及其对翼涡破裂的影响 总被引:1,自引:0,他引:1
王良益 《南京航空航天大学学报》1994,26(2):267-272
根据流谱观测结果,研究了翼-身组合体和全机的涡系干扰特点,分析了翼涡与体涡的相互诱导,使翼涡与体涡运动发生变化,讨论了影响前缘分离涡破裂的主要因素,并对尾翼的影响、机身后部体涡的强度、非对称体涡出现的条件,以及分离旋涡在稳定发展过程中的抗干扰能力等提出了看法。 相似文献
999.
提出了基于学习的多宇宙并行免疫量子进化算法,算法中将种群分成若干个独立的子群体,称为宇宙。并给出了多宇宙的并行拓扑结构,其中各宇宙独立演化.宇宙内采用免疫量子进化算法,宇宙间采用基于学习机制的移民、模拟量子纠缠的种群交叉等信息交互方式.使得进化算法具有更好的种群多样性,更快的收敛速度和全局寻优能力。仿真实验结果表明该算法比串行的免疫量子进化算法运算效率更高。 相似文献
1000.